申请/专利权人:国网福建省电力有限公司信息通信分公司;国网福建省电力有限公司;国网信通亿力科技有限责任公司;福州大学
申请日:2023-12-27
公开(公告)日:2024-03-22
公开(公告)号:CN117749507A
主分类号:H04L9/40
分类号:H04L9/40;H04L67/12;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明提出一种基于深度学习的物联网边缘轻量化DDoS检测方法,首先对物联网边缘设备产生的原始流量进行数据预处理,然后采用Bi‑GRU双向循环神经网络,对经过裁剪的原始流量数据进行DDoS二分类异常检测;随后,根据Bi‑GRU中的不同模块组合得到流量的复合特征,同时使用ShuffleNetV2的多分类结果优化DDoS二分类异常检测;接着,基于异常检测的结果拦截DDoS流量,实现在网络边缘阻拦大规模攻击流量;最后,通过物联网模块的边缘部署、实时性、轻量化设计构建基于深度神经网络的物联网边缘轻量化DDoS检测模型,用于物联网边缘的轻量化、自动化、实时性识别;本发明能够有效地对物联网边缘设备产生的DDoS流量进行智能化、轻量化、实时性识别与分类,降低运算资源需求,提升防御性能。
主权项:1.一种基于深度学习的物联网边缘轻量化DDoS检测方法,其特征在于:所述方法首先对物联网边缘设备产生的原始流量进行数据预处理,然后采用Bi-GRU双向循环神经网络,对经过裁剪的原始流量数据进行DDoS二分类异常检测;随后,根据Bi-GRU中的不同模块组合得到流量的复合特征,同时使用ShuffleNetV2的多分类结果优化DDoS二分类异常检测;接着,基于异常检测的结果拦截DDoS流量,实现在网络边缘阻拦大规模攻击流量;最后,通过物联网模块的边缘部署、实时性、轻量化设计构建基于深度神经网络的物联网边缘轻量化DDoS检测模型,用于物联网边缘的轻量化、自动化、实时性识别。
全文数据:
权利要求:
百度查询: 国网福建省电力有限公司信息通信分公司;国网福建省电力有限公司;国网信通亿力科技有限责任公司;福州大学 一种基于深度学习的物联网边缘轻量化DDoS检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。